Anlisis Estadstico de Datos Hidrolgicos

I.

MARCO TERICO. I.1. POBLACIN: Es el conjunto mayor de datos individuales, personas o cosas cuyo estudio nos interesa obtener informacin. Los datos individuales de una poblacin se llama unidades elementales u observaciones. Una poblacin estadstica es un conjunto de observaciones medibles o descritas para cada uno de sus unidades elementales. I.2. MUESTRA. Es una informacin proporcionada por una parte finita de la poblacin. Tambin es considerado como un sub-conjunto propio finito de la poblacin I.3. HISTOGRAMA Y POLGONOS DE FRECUENCIA Son dos representaciones grficas de las distribuciones de frecuencia. A. Un histograma o histograma de frecuencias, consiste en una serie de rectngulos que tienen: -) Sus bases sobre un eje horizontal (el eje X) con centros en las marcas de clase y longitud igual al tamao de los intervalos de clase. -) Superficies proporcionales a las frecuencias de clase. B. Un polgono de frecuencias, es un grfico de lnea trazado sobre las marcas de clase. Puede obtenerse uniendo los puntos medios de los techos de los rectngulos en el histograma. I.4. MEDIA La media de un conjunto N de datos numricos X1, X2, ..., XN est representada por y definida por:

, que es el momento de orden 1. La mediana de un conjunto N de nmeros ordenados en orden de grandeza, corresponde al valor del punto central (N es un nmero impar) o la media aritmtica de los dos valores centrales (en el caso que N sea par).

X=

Xini
i =1

I.5. MEDIANA Es el valor de la serie de datos que se sita justamente en el centro de la muestra (un 50% de valores son inferiores y otro 50% son superiores). No presentan el problema de estar influido por los valores extremos, pero en cambio no utiliza en su clculo toda la informacin de la serie de datos (no pondera cada valor por el nmero de veces que se ha repetido).

n N i 1 M e = Yi 1 + Ci 2 ni I.6. MODA Localiza el dato de mayor frecuencia. Es el valor del dato cuya frecuencia es mxima. Si la distribucin de frecuencias tienen un solo mximo (mximo absoluto), la moda es el valor del dato de mayor frecuencia, y se dice que la distribucin de frecuencias es uni- modal. Si la distribucin de frecuencias tiene mas de un mximo (mximo relativos), se dice que la distribucin de frecuencia es multimodal: Bimodal, Trimodal, etc. Si todas las frecuencias son iguales se dice que la distribucin no tiene moda y se trata de una distribucin uniforme. Para Datos Clasificados La moda es la marca de la clase modal. Para una mejor aproximacin se puede usar la siguiente formula

I.7. DESVIACIN MEDIA Es la media aritmtica de los valores absolutos de las desviaciones de los datos con respecto a una medida de tendencia central.

DM =

Xi estadi gra fo de posicion

I =1

Si el estadgrafo es la media, se tiene:

DM =
N

Xi x
I =1

Para datos no clasificados

DM =

Xi x ni
I =1

Para datos clasificados

La desviacin media es una medida de dispersin fcil de calcular y se ve afectada en menor medida por los valores extremos que la desviacin estndar y se una a menudo cuando se dispone de muestras pequeas que incluye valores extremos o cuando la distribucin es muy asimtrica I.8. Desviacin Estndar y Variancia Miden el grado de dispersin de los datos numricos en torno de un valor medio. La Desviacin Estndar de un conjunto de datos X1, ..., Xn est definida por:
( Xi ) n 1
2

s=

Fi

La Variancia es el cuadrado de la desviacin estndar: Xc2=

(i ei) 2 = ei

Xt 2 =

Xc2 < XT2

= max F ( z ) P ( x ) =

La formula de la varianza ser:

V( x ) =

( X
i =1

X ) ni
2

I.9. COVARIANZA El valor de covarianza entre dos conjuntos de datos numricos a y b, con N puntos es definido por:

Este valor indica el grado de similitud entre los conjuntos a y b, o sea, como los datos estn correlacionados entre s. Cuanto mayor es la covarianza, mayor es el grado de correlacin entre los datos. I.10. COEFICIENTE DE CORRELACIN El coeficiente de correlacin mide la similitud entre dos conjuntos de datos numricos sobre una escala absoluta de [-1, 1]. Este coeficiente es

calculado a travs de la divisin del valor de covariancia entre la raz cuadrada del producto de las desviaciones estndar de los conjuntos de datos a y b: I.11. COEFICIENTE DE VARIACIN El efecto de la variacin o dispersin con relacin a la media puede ser medido por la dispersin relativa, definida por: Dispersin Relativa = Dispersin Absoluta/Media Si la dispersin absoluta corresponde a la desviacin estndar, la dispersin relativa es denominada coeficiente de variacin v:

El coeficiente de variacin deja de ser til cuando la media es prxima de cero. Su formula esta representada por C.V .( x ) = Sx *100% X

I.12. COEFICIENTE DE MOMENTO DE ASIMETRA Es el grado de desvo o alejamiento del eje de simetra de una distribucin. Para distribuciones asimtricas, la media tiende a situarse del lado de la cola ms larga de la distribucin. Este coeficiente puede ser definido usando el 3 momento centrado en la media y la desviacin estndar: I.13. COEFICIENTE DE KURTOSIS Mide el grado de achatamiento de una distribucin de datos y puede ser definido por la divisin del momento de grado 4 centrado en la media entre la variancia elevada al cuadrado. O sea:

K=

( X
i =1

X ) ni
4

Sx

Es una medida estadstica que describe el apuntamiento o achatamiento de una cierta distribucin con respecto a una distribucin normal. La kurtosis positiva indica una distribucin relativamente apuntada, y la negativa indica una distribucin relativamente achatada. En una distribucin normal la kurtosis es igual a 3, a los valores mayores a 3 se los llama kurtosis excesiva. El caso de kurtosis excesiva indica que hay una mayor probabilidad de que los retornos observados estn ms alejados de la media que en una distribucin normal. Leptokurtosis se denomina al atributo de una distribucin con muy altos ndices de kurtosis. I.14. DESVIACIN ESTNDAR MUESTRAL. La varianza muestral est medida en el cuadrado de las unidades observadas al hacer las mediciones contenidas en la muestra. Para devolverse a una estadstica que use las mismas unidades que las observaciones, es necesario calcular su raz cuadrada. Lo anterior conduce a la definicin de la estadstica denominada 'desviacin estndar muestral', que no es otra cosa que la raz cuadrada de la varianza. Para una muestra de tamao n, x1, ..., xn, se tiene que:

El uso de esta estadstica es recomendado en aquellos conjuntos de datos que ofrecen cierto grado de simetra respecto de su centro. En estos casos, habitualmente tiene sentido medir discrepancias de un valor con el centro de los datos usando mltiplos de la desviacin estndar. A modo de ejemplo, se puede decir que un valor est bastante alejado del centro de los datos si su distancia de l supera dos desviaciones estndar. Apoyndose en la idea anterior, la desviacin estndar puede ser usada para determinar valores que se encuentran 'cerca' del centro. Este uso va ms all de la simple descripcin, en otros mbitos de Estadstica es usada para tomar decisiones respecto de la poblacin de la que fue extrada la muestra.

I.15. SESGO

Segn el diccionario un sesgo es "una inclinacin parcial de la mente". En nuestro mbito, la palabra sesgo sirve para definir la tendencia sistemtica de ciertos diseos de ensayos clnicos para producir de forma consistente resultados mejores o peores que otros diseos. Skewness o sesgo: Medida estadstica que describe la simetra de la distribucin alrededor de un promedio. Si el sesgo es igual a cero, la distribucin es simtrica; si el sesgo es positivo la distribucin una tendr una cola asimtrica extendida hacia los valores positivos. Un sesgo negativo indica una distribucin con una cola asimtrica extendida hacia los valores negativos. AJUSTE DE UNA DISTRIBUCION DE PROBABILIDADES La distribucin de Probabilidades es una funcin que representa la probabilidad de ocurrencia de una variable aleatoria. Ajustando una distribucin a un conjunto de datos hidrolgicos, una gran cantidad de informacin de la muestra se resume en la distribucin y sus parmetros. Se tiene como objetivo del Ajuste de una Distribucin, Obtener los parmetros: y 2 METODO DE MOMENTOS Las propiedades de las distribuciones pueden ser definidas completamente en trminos de los momentos. Los momentos en estadstica son similares a los momentos en fsica (rotacin respecto al origen) Clculo de la Media Poblacional Es igual al Primer Momento respecto al Origen: = x f(x) = x. f

Para variable aleatoria Discreta Para variable aleatoria Continua Clculo de la Varianza Poblacional

( x ) dx

Es igual al Segundo Momento Central respecto a la Media. 2 = V(x) = (x-)2 f(x)

Para variable aleatoria Discreta

) 2 . f ( x ) dx Para variable aleatoria Continua 2 = V(x) = ( x

METODO DE MAXIMA VEROSIMILITUD Dada una funcin de densidad de probabilidad f(x, , , ) Donde:

, , = son los parmetros que deben ser estimados. L = f ( x, , , ,....)

i =1 N

La funcin de Verosimilitud de la Muestra, como: Para un calculo ms simple se puede usar de la siguiente forma: Ln L =

f ( x,, , ,....)
i= 1

Derivando parcialmente respecto a cada parmetro se tiene el Conjunto de Ecuaciones de Mxima verosimilitud:
LnL =0
LnL =0 LnL =0

Los Parmetros se hallan resolviendo el Conjunto de Ecuaciones de Mxima verosimilitud. DISTRIBUCIONES DE PROBABILIDAD EN HIDROLOGA El comportamiento de las variables aleatorias discretas o continuas se describe con la ayuda de Distribuciones de Probabilidad. La variable se designa por mayscula y un valor especfico de ella por minscula. Por P(x = a) se denota la probabilidad de que un evento asuma el valor a; similarmente P(a x b) denota la probabilidad de que un evento se encuentre en el intervalo (a,b). Si conocemos la probabilidad P(a x b) para todos los valores de a y b, se dice que conocemos la Distribucin de Probabilidades de la variable x. Si x es un nmero dado y consideramos la probabilidad P(X x): F(x)= P(X x): y llamamos F(x) la funcin de distribucin acumulada.

3 DISTRIBUCIONES CONTINUAS 3.1

DE

PROBABILIDAD

PARA

VARIABLES

DISTRIBUCION NORMAL La distribucin normal es una distribucin simtrica en forma de campana, tambin conocida como Campana de Gauss. Aunque muchas veces no se

ajusta a los datos hidrolgicos tiene amplia aplicacin por ejemplo a los datos transformados que siguen la distribucin normal.

3.1.1

FUNCIN DE DENSIDAD:

La funcin de densidad est dada por

Los dos parmetros de la distribucin son la media y desviacin estndar para los cuales 3.1.2 (media) y s (desviacin estndar) son derivados de los datos. ESTIMACIN DE PARMETROS:

3.1.3 1.

FACTOR DE FRECUENCIA: 1. Si se trabaja con los X sin transformar el K se calcula como

este factor es el mismo de la variable normal estndar

3.1.4

LIMITES DE CONFIANZA:

donde es el nivel de probabilidad es el cuantil de la distribucin normal estandarizada para una probabilidad acumulada de 1- y Se es el error estndar

3.2

DISTRIBUCIN LOGNORMAL DE DOS PARMETROS Si los logaritmos Y de una variable aleatoria X se distribuyen normalmente se dice que X se distribuye normalmente. Esta distribucin es muy usada para el calculo de valores extremos por ejemplo Qmax, Qmnimos, Pmax, Pmnima (excelentes resultados en Antioquia). Tiene la ventaja que X>0 y que la transformacin Log tiende a reducir la asimetra positiva ya que al sacar logaritmos se reducen en mayor proporcin los datos mayores que los menores. Limitaciones: tiene solamente dos parmetros, y requiere que los logaritmos de la variables estn centrados en la media 3.2.1 FUNCIN DE DENSIDAD:

y = ln x donde, y : media de los logaritmos de la poblacin (parmetro escalar), estimado y : Desviacin estndar de los logaritmos de la poblacin, estimado sy. 3.2.2 ESTIMACIN DE PARMETROS:

3.2.3

FACTOR DE FRECUENCIA: Puede trabajarse en el campo original y en el campo transformado. 2. 2. Campo transformado: Si se trabaja en el campo transformado se trabaja con la media y la desviacin estndar de los logaritmos, as: Ln(XTr) = xTr+KSy

de donde, XTr = eln (xTr) con K con variable normal estandarizada para el Tr dado, xy media de los logaritmos y Sy es la desviacin estndar de los logaritmos. 3. Campo original: Si se trabaja con los X sin transformar el K se calcula como

K es la variable normal estandarizada para el Tr dado, es el coeficiente de variacin, x media de los datos originales y s desviacin estndar de los datos originales. 3.2.4 LIMITES DE CONFIANZA:

En el campo transformado.

en donde, n numero de datos, Se error estndar, KT variable normal estandarizada. 3.3 DISTRIBUCION GUMBEL O EXTREMA TIPO I

Una familia importante de distribuciones usadas en el anlisis de frecuencia hidrolgico es la distribucin general de valores extremos, la cual ha sido ampliamente utilizada para representar el comportamiento de crecientes y sequas (mximos y mnimos). 3.3.1 FUNCIN DE DENSIDAD:

En donde y son los parmetros de la distribucin. 3.3.2 ESTIMACIN DE PARMETROS

donde 3.3.3

son la media y la desviacin estndar estimadas con la muestra. FACTOR DE FRECUENCIA:

Donde Tr es el periodo de retorno. Para la distribucin Gumbel se tiene que el caudal para un perodo de retorno de 2.33 aos es igual a la media de los caudales mximos. 3.3.4 LIMITES DE CONFIANZA

Xt t(1-) Se

KT es el factor de frecuencia y t (1-) es la variable normal estandarizada para una probabilidad de no excedencia de 1-.

3.4 DISTRIBUCION GAMMA DE TRES PARMETROS O PEARSON TIPO 3 Esta distribucin ha sido una de las mas utilizadas en hidrologa. Como la mayora de las variables hidrolgicas son sesgadas, la funcin Gamma se utiliza para ajustar la distribucin de frecuencia de variables tales como crecientes mximas anuales, Caudales mnimos, Volmenes de flujo anuales y estacionales, valores de precipitaciones extremas y volmenes de lluvia de corta duracin. La funcin de distribucin Gamma tiene dos o tres parmetros.

3.4.1

FUNCIN DE DENSIDAD:

donde, x0 x < para > 0 < x x0 para < 0 y son los parmetros de escala y forma, respectivamente , y x 0 es el parmetro de localizacin. 3.4.2 ESTIMACIN DE PARMETROS:

Cs es el coeficiente de asimetra, estndar de la muestra respectivamente 3.4.3 FACTOR DE FRECUENCIA:

son la media y la desviacin

donde z es la variable normal estandarizada Este valor de K se encuentra tabulado de acuerdo al valor de Cs calculado con la muestra. 3.4.4 INTERVALOS DE CONFIANZA: Xt t(1-) Se

Donde S es la desviacin estndar de la muestra, n es el nmero de datos y se encuentra tabulado en funcin de Cs y Tr. Intervalos de confianza Xt t(1-) Se

3.5

DISTRIBUCIN PARMETROS

LOG

GAMMA

LOGPEARSON

DE

Si los logaritmos Y de una variable aleatoria X se ajustan a una distribucin Pearson tipo III, se dice que la variable aleatoria X se ajusta a una distribucin Log Pearson Tipo III. Esta distribucin es ampliamente usada en el mundo para el anlisis de frecuencia de Caudales mximos. Esta se trabaja igual que para la Pearson Tipo III pero con Xy y Sy como la media y desviacin estndar de los logaritmos de la variable original X. 3.5.1 FUNCIN DE DENSIDAD:

donde, y0 y < para > 0 y y0 para < 0 y son los parmetros de escala y forma, respectivamente , y y0 es el parmetro de localizacin. 3.5.2 ESTIMACIN DE PARMETROS:

Cs es el coeficiente de asimetra, son la media y la desviacin estndar de los logaritmos de la muestra respectivamente. 3.5.3 FACTOR DE FRECUENCIA:

donde z es la variable normal estandarizada

Este valor de K se encuentra tabulado de acuerdo al valor de Cs calculado con la muestra. 3.5.4 INTERVALOS DE CONFIANZA: Xt t(1-) Se

Donde Sy es la desviacin estndar de los logaritmos de la muestra, n es el nmero de datos y se encuentra tabulado en funcin de Cs y Tr. 4 AJUSTE DE DISTRIBUCIONES Para la modelacin de caudales mximos se utilizan, entre otras, las distribuciones Log - Normal, Gumbel y Log-Gumbel principalmente. Para seleccionar la distribucin de probabilidades de la serie histrica se deben tener en cuenta algunas consideraciones. Cuando en la serie histrica se observan outliers1[1] es necesario verificar la sensibilidad del ajuste debido a la presencia de estos, (Ashkar, et al. 1994) Para el ajuste a las distribuciones Log-Normal, Log-Gumbel y Log-Pearson se requiere transformar la variable al campo logartmico para modelarla, con lo que se disminuye la varianza muestral, pero tambin se filtran las variaciones reales de los datos. Las distribuciones de dos parmetros fijan el valor del coeficiente de asimetra, lo que en algunos casos puede no ser recomendable. La distribucin Log - Normal de dos parmetros slo es recomendable s el coeficiente de asimetra es cercano a cero. Las distribuciones Gumbel y Log Gumbel son recomendables si el coeficiente de asimetra de los eventos registrados es cercano a 1.13 Para ajustar distribuciones de tres parmetros (Log Normal III, Log Pearson) se requiere estimar el coeficiente de asimetra de la distribucin; para ello es necesario disponer de una serie con longitud de registros larga, mayor de 50 aos, (Kite, 1988). Las distribuciones de dos parmetros son usualmente preferidas cuando se dispone de pocos datos, porque reducen la varianza de la muestra, (Ashkar, et al. 1994). Para seleccionar la distribucin de probabilidades adecuada se debe tratar de utilizar informacin adicional del proceso hidrolgico que permita identificar la forma en que se distribuye la variable. Usualmente es muy difcil determinar las propiedades fsicas de los procesos hidrolgicos para identificar el tipo de distribucin de probabilidad que es aplicable.

 Kite (1988) y Mamdouh (1993) afirman que no existe consistencia sobre cual es la distribucin que mejor se ajusta a los caudales mximos y recomiendan seleccionar el mejor ajuste a criterio del modelador con la prueba de ajuste grfico o basado en el comportamiento de las pruebas estadsticas de bondad del ajuste (por ejemplo Chi Cuadrado, Smirnov-Kolmogorov, CramerVon Mises) en las que se calcula un estimador y se compara con un valor tabulado para determinar si el ajuste es adecuado o no. En la prueba de ajuste grfica se dibujan los valores registrados en la serie contra la distribucin terica de probabilidades y de manera visual (subjetiva) se determina si el ajuste es adecuado o no. Cuando la informacin es adecuada el anlisis de frecuencia es la metodologa ms recomendable para la evaluacin de eventos extremos, ya que la estimacin depende solamente de los caudales mximos anuales que han ocurrido en la cuenca y no da cuenta de los procesos de transformacin de la precipitacin en escorrenta. Obviamente tiene algunas limitaciones relacionadas con el comportamiento de la serie histrica y con el tamao y calidad de los datos de la muestra. Cuando se presenten cambios o tendencias en la serie histrica se deben utilizar tcnicas estadsticas que permitan removerlos para poder realizar el anlisis de frecuencias (Kite, 1988; Mamdouh, 1993; Ashkar, et al. 1994). La seleccin inadecuada de la distribucin de probabilidades de la serie histrica arrojar resultados de confiabilidad dudosa, (Ashkar, et al. 1994). El tamao de la muestra influye directamente en la confiabilidad de los resultados, as a mayor perodo de retorno del estimativo mayor longitud de registros necesaria para mejor confiabilidad en los resultados. El ajuste a distribuciones se puede hacer de dos tcnicas, con el factor de frecuencia como se refiri en el numeral. o hallando la distribucin emprica de los datos muestrales, por el mtodo de Plotting Position. 4.1 Plotting Position

Trabaja con la probabango de un valor en una lista ordenada de mayor a menor (m=1 para el valor mximo) la probabilidad de excedencia se puede obtener por medio de las siguientes expresiones

California

Weibull

Hazen

La expresin ms utilizada es la Weibull. Con las anteriores expresiones se halla lo que se conoce como la distribucin emprica de una muestra, esta luego se puede ajustar a una de las distribuciones tericas presentadas anteriormente. Los resultados pueden ser dibujados en el papel de probabilidad; este es diseado para que los datos se ajusten a una lnea recta y se puedan comparar los datos muestrales con la distribucin terica (lnea recta). 4.2 Pruebas de Ajuste

bucin de probabilidades se han propuesto una serie de pruebas estadsticas que determinan si es adecuado el ajuste. Estos son anlisis estadsticos y como tal se deben entender, es decir, no se puede ignorar el significado fsico de los ajustes. 4.2.1 PRUEBA SMIRNOV KOLMOGOROV

El estadstico Smirnov Kolmogorov D considera la desviacin de la funcin de distribucin de probabilidades de la muestra P(x) de la funcin de probabilidades terica, escogida Po(x) tal que .

La prueba requiere que el valor Dn calculado con la expresin anterior sea menor que el valor tabulado Dn para un nivel de probabilidad requerido. Esta prueba es fcil de realizar y comprende las siguientes etapas: El estadstico Dn es la mxima diferencia entre la funcin de distribucin acumulada de la muestra y la funcin de distribucin acumulada terica escogida. Se fija el nivel de probabilidad , valores de 0.05 y 0.01 son los ms usuales. El valor crtico D de la prueba debe ser obtenido de tablas en funcin de y n. Si el valor calculado Dn es mayor que el D , la distribucin escogida se debe rechazar. 4.2.2 PRUEBA CHI CUADRADO

Una medida de las discrepancia entre las frecuencias observadas ( fo) y las frecuencias calculadas (fc) por medio de una distribucin terica esta dada por el estadstico

en donde si el estadstico =0 significa que las distribuciones terica y emprica ajustan exactamente, mientras que si el estadstico >0, ellas difieren. La distribucin del estadstico se puede asimilar a una distribucin Chi-cuadrado con (k-n-

1) grados de libertad, donde k es el nmero de intervalos y n es el nmero de los parmetros de la distribucin terica. La funcin se encuentra tabulada. Supongase que una hiptesis Ho es aceptar que una distribucin emprica se ajusta a una distribucin Normal. Si el valor calculado de por la ecuacin anterior es mayor que algn valor crtico de , con niveles de significancia de 0.05 y 0.01 (el nivel de confianza es 1-) se puede decir que las frecuencias observadas difieren significativamente de las frecuencias esperadas (o calculadas) y entonces la hiptesis Ho se rechaza, si ocurre lo contrario entonces se acepta.
2

[1] Aunque no existe una definicin generalmente aceptada, se puede entender como valores extremos, muy superiores a los dems registrados (Ashkar, et al. 1994).

II.

MATERIALES. Para el desarrollo del presente trabajo se emplearon los siguientes materiales: Registro de Caudales Medios Anuales de las Cuencas de: Rio Pacacoto - Estacin Pachacoto Ro Recreta - Estacin Recreta Ro Olleros - Estacin Olleros Computadora. Software (Excel, Word). Calculadora Texas instruments (TI-84 Plus)

- Materiales de escritorio.

III.

METODOLOGA. III.1. DISTRIBUCIN DE FRECUENCIAS

Se sigue la siguiente secuencia: 1. OBTENCIN DE LOS LIMITES Previamente se ordena con el Programa Excel los datos en forma ascendente y se localiz el Lmite inferior y el Lmite superior. 2. CALCULO DE RANGO DE VARIACIN 2

Se resta el Lmite superior el Lmite inferior: R = Ls Li 3. CALCULO DEL NUMERO DE INTERVALOS DE CLASE Se calcula usando la Regla de Sturges: m = 1 + 3.3 log(n) y se aproxima a un nmero entero. 4. OBTENCIN DEL TAMAO DE LOS INTERVALOS DE CLASE Se calcula mediante la frmula: C =
R m 1

5. DISTRIBUCIN DEL INCREMENTO Primeramente se calcula el Rango Terico: R = m x C, este valor se resta del Rango Real. = R R Este valor se resta al Lmite inferior. III.2. CUADRO DE DISTRIBUCIN DE FRECUENCIAS

Se llena el siguiente cuadro:

[Yi-1' - Yi> Xi ni Ni hi Hi hi% Hi %

Donde:
Xi

: Marca de Clase

Xi =

Yi Yi 1 2

ni : Frecuencia Ni : Frecuencia

Absoluta Simple, Se obtiene de la tabulacin. Absoluta Acumulada, Se obtiene mediante:

N i = ni 1 + n i
hi : Frecuencia

Relativa Simple, Se calcula mediante:

hi =

ni n

Hi : Frecuencia

Relativa Acumulada, Se obtiene con:

H i = H i 1 + hi
hi% : Frecuencia

Relativa Porcentual Simple, Se calcula mediante:

hi % = hi * 100%
Hi % : Frecuencia

Relativa Porcentual Acumulada, Se calcula con:

H i % = H i * 100%

III.3.

CLCULO DE MEDIDAS DESCRIPTIVAS

Previamente se llena un CUADRO DE CLCULOS

Xi

Ni

Xi x ni

X i X
X i X ni

(X

X)

(X

X ) * ni
2

( X i X ) 3 * ni

(X

X ) * ni
4

Con las sumatorias obtenidas del Cuadro de Clculos, se hallan las Medidas Descriptivas con las frmulas que se indican en cada parte: 1. MEDIDAS DE TENDENCIA CENTRAL Media Aritmtica:
n

X =
La Mediana:
M e =Yi 1

Xini
i =1

n N i 1 +C i 2 ni

Moda:
i M o = Y 'i 1 +C i + 1 2

B.

MEDIDAS DE DISPERSIN. Desviacin Media:

D.M . = Varianza:

X
I =1

V( x ) =

( X
i =1

X ) ni
2

Desviacin Standar: Sx =
V ( x)

Coeficiente de Variacin:
C.V .( x ) = Sx * 100% X

C.

MEDIDAS ASIMETRA.
Coeficiente de Asimetra:

n D. MEDIDAS DE APUNTAMIENTO.
Coeficiente de Kurtosis S:

C. A.( X ) =

( X
I =1

X ) ni
3

K=
6.

( X
i =1

X ) ni
4

Sx

GRAFICAS. En las siguientes pginas se encuentran: las graficas de:

Histograma de Frecuencias Se grfica el Intervalo de Clase en el eje X vs. La Frecuencia Absoluta Simple en el eje Y. Polgono de Frecuencia Se grfica La Marca de Clase en el eje X vs. La Frecuencia Absoluta Simple en el eje Y. Histograma de Frecuencias Acumulativas u Ojiva Se grfica el Limite Superior del Intervalo de Clase en el eje X vs. La Frecuencia Absoluta Acumulada en el eje Y.

III.4.

Clculo de la Media Poblacional

Es igual al Primer Momento respecto al Origen: = xi f(xi) En el cuadro de Distribucin de Frecuencia se observa que: xi = Marca de Clase f(xi) = La Frecuencia Relativa Absoluta = h = = xi f(xi) = xi * =
1 xi ni = X N

ni N

ni N

= X
Clculo de la Varianza Poblacional Es igual al Segundo Momento Central respecto a la Media. 2 = V(x) = (x-)2 f(x) De lo anterior se tiene: = X f(xi) = h = ni N

 2 = (xi-)2 f(xi) = (xi- X )2

ni = S2 N

2 = S2

CLCULOS Y RESULTADOS. 4.1. CLCULOS ESTADSTICOS DEL CAUDAL MEDIO ANUAL DEL RIO QUILLCAY ESTACIN PACHACOTO. Media Ao Anual AO (m3/seg) 1969-70 7.03 1970-71 6.47 1971-72 6.29 1972-73 5.82 1973-74 7.02 1974-75 8.27 1975-76 8.85 1976-77 8.47 1977-78 8.14 1978-79 7.7 1979-80 8.36 1980-81 5.71 1981-82 7.04 1982-83 8.17 1983-84 5.66 1984-85 7.39 1985-86 8.89 1986-87 8.63 1987-88 6.93 1988-89 6.76 1989-90 8.18 1990-91 7.08 1991-92 6.5 1992-93 6.91 1993-94 6.44 1994-95 7.63 1995-96 6.35 1996-97 7.97 1997-98 9.21

DISTRIBUCIN DE FRECUENCIAS 1. OBTENCIN DE LOS LIMITES Lmite inferior Lmite superior = 5.66 = 9.21

2. CALCULO DE RANGO DE VARIACIN R = Ls Li R = 9.21 5.66 R = 3.55 3. CALCULO DEL NUMERO DE INTERVALOS DE CLASE Regla de Sturges: m = 1 + 3.3 log(n) Donde: n = 29 m = 5.4785 6 4. OBTENCIN DEL TAMAO DE LOS INTERVALOS DE CLASE
C= C= R m 1 3.55 6 1

C = 0.71 5. DISTRIBUCIN DEL INCREMENTO R = m x C Donde: R = rango terico R = 3.89 = R R = 0.34

6. CUADRO DE DISTRIBUCIN DE FRECUENCIAS

[Yi-1' - Yi> 5,31 - 6,02 6,02 - 6,73 6,73 - 7,44 7,44 - 8,15 8,15 - 8,86 8,86 - 9,57

Yi 5,66 6,37 7,08 7,79 8,50 9,21

ni 3 5 8 4 7 2 29

Ni 3 8 16 20 27 29

hi 0,10 0,17 0,28 0,14 0,24 0,07 1,00

Hi 0,10 0,28 0,55 0,69 0,93 1,00

hi% 10,34 17,24 27,59 13,79 24,14 6,90 100

Hi% 10,34 27,59 55,17 68,97 93,10 100,00

Func. Densidad fi = ni/(N x C) 0.146 0.243 0.389 0.194 0.340 0.097

FuncinAcumulada C x fi 0.103 0.172 0.276 0.138 0.241 0.069 C*fi acumulada 0.103 0.276 0.552 0.690 0.931 1.000

7. MEDIDAS DESCRIPTIVAS CUADRO DE CLCULOS

Xi

ni

Xini

X i X X i X ni

(X

) (X
2

X ) * ni X i X
2

* ni

(X

5,66 3 16,98 6,37 5 31,85 7,08 8 56,64 7,79 4 31,16 8,50 7 59,50 9,21 2 18,42 214,55

1,74 1,03 0,32 0,39 1,10 1,81 6,39

5,21 5,14 2,55 1,57 7,71 3,62 25,80

3,02 1,06 0,10 0,15 1,21 3,28 8,83

9,06 5,29 0,81 0,61 8,50 6,56 30,84

-0,54 -0,19 -0,01 0,01 0,32 0,41 0,00

0,94 0,19 0,00 0,00 0,36 0,74 2,24

X n

* ni

A.

MEDIDAS DE TENDENCIA CENTRAL Media Aritmtica:

X =

Xini
i =1

214.55 X = 29
X = 7.40 m3/Seg

La Mediana:
M e =Yi 1 n N i 1 +C i 2 ni

29 9 2 M e = 6.73 + 0.71 7

Me = 7.35 m3/Seg Moda:

i M o = Y 'i 1 +C i + 1 2

8 5 M o = 6.73 + 0.71 (8 5) + (8 4)

Mo = 7.03 m3/Seg B. MEDIDAS DE DISPERSIN. Desviacin Media:

D.M . =

X
I =1

n
25.10 29

D.M . =

D.M. = 0.89 Varianza:

V( x ) =

( X
i =1

X ) ni
2

V(x) = 1.10 Desviacin Standar: Sx = Sx =

V ( x)

1.10

Sx = 1.05

Coeficiente de Variacin:
C.V .( x ) = Sx * 100% X

C.V .( x ) =

1.10 * 100% 7.40

C.V.(x) = 14.18 C. MEDIDAS ASIMETRA.

Coeficiente de Asimetra:

C. A.( X ) =
C.A. (x) =

( X
I =1

X ) ni
3

0.00

D. MEDIDAS DE APUNTAMIENTO. Coeficiente de Kurtosis S:

K=

( X
i =1

X ) ni
4

Sx

K=

52.83 29 * 0.95 4

K = 2.19

8. GRAFICAS. En las siguientes pginas se encuentran: las graficas de: Histograma de Frecuencias Polgono de Frecuencia Histograma de Frecuencias Acumulativas

4.2. CLCULOS ESTADSTICOS DEL CAUDAL MEDIO ANUAL DE LA ESTACIN HIDROMETEOROLOGICA OLLEROS.
Ao Media Anual

69-70 70-71 71-72 72-73 73-74 74-75 75-76 76-77 77-78 78-79 79-80 80-81 81-82 82-83 83-84 84-85

(m3/seg) 163.6 154.81 160.38 135.43 134.75 153 158.35 144.67 190.52 142.57 144.96 114.16 121.7 172.02 96.57

85-86 86-87 87-88 88-89 89-90 90-91 91-92 92-93 93-94 94-95 95-96 96-97 97-98 98-99

115.67 160.89 148.23 155.18 166.23 179.95 160.24 126.84 126.18 98.61 127.14 82.07 165.85 126.91

DISTRIBUCIN DE FRECUENCIAS 1. OBTENCIN DE LOS LIMITES Lmite inferior Lmite superior = 82.07 = 190.52

2. CALCULO DE RANGO DE VARIACIN R = Ls Li R = 190.52 82.07

R = 108.45 3. CALCULO DEL NUMERO DE INTERVALOS DE CLASE Regla de Sturges: m = 1 + 3.3 log(n) Donde: n = 29 m = 5.4785 6 4. OBTENCIN DEL TAMAO DE LOS INTERVALOS DE CLASE
C= C= R m 1 108.45 6 1

C = 21.69 5. DISTRIBUCIN DEL INCREMENTO R = m x C Donde: R = rango terico R = 118.83 = R R =10.38

6. CUADRO DE DISTRIBUCIN DE FRECUENCIAS [Yi-1' - Yi> 76.88 - 98.57 120.2 98.57 - 6 120.2 141.9 6 - 5 141.9 - 163.6 Xi 87.73 ni 2 Ni 2 hi 0.07 Hi 0.07 hi% 6.90 Hi % 6.90

109.42

0.10

0.17

10.34

17.24

131.11 152.80

7 12

12 24

0.24 0.41

0.41 0.83

24.14 41.38

41.38 82.76

163.6 185.3 4 - 3 185.3 212.2 3 - 1

174.49

28

0.14

0.97

13.79

96.55

198.77

29

0.03

1.00

3.45

100.00

29

1.00

100

Func. Densidad fi = ni/(N x C) 0.002 0.005 0.013 0.011 0.013 0.003

FuncinAcumulada C x fi 0.034 0.103 0.276 0.241 0.276 0.069 C*fi

acumulada

0.034 0.138 0.414 0.655 0.931 1.000

7. MEDIDAS DESCRIPTIVAS CUADRO DE CLCULOS

X i X

Xi 87.73

ni 2

Xi x ni 175.45 55.44

X i X ni

(X

X ) ( X i X ) * ni
2

(X

X ) * ni
3

(X

X ) * ni
4

110.87

3073.19

6146.38

18889005.19

340733.09 109.4 2 131.1 1 152.8 0 174.4 9 198.7 7 115292.85

328.25

33.75

101.24

1138.82

3416.45

3890715.10

917.74 1833.5 5

12.06

84.39

145.36

1017.49

-12267.26

147898.61

12

9.63

115.60

92.81

1113.68

10728.80

103357.35

697.94

31.32

125.29

981.17

3924.68

122935.22

3850777.44

198.77

55.61

55.61

3092.28

3092.28

171956.76 162672.43

9562225.70

4151.7 0 197.80

593.01

39126.69

18710.97

36443979.39

A. MEDIDAS DE TENDENCIA CENTRAL Media Aritmtica:

X =
X =

Xini
i =1

n
4151.70 29

X =143.16 m3/Seg

La Mediana:
M e =Yi 1 n N i 1 +C i 2 ni
29 12 2 =141.95 + 21.69 12

Me

Me = 146.47 m3/Seg

Moda:
i M o = Y 'i 1 +C i + 1 2

 12 4 M o =141.95 + 21.69 (12 4) + (12 7

Mo = 155.30 m3/Seg B. MEDIDAS DE DISPERSIN. Desviacin Media:

D.M . =
D.M . =

X
I =1

n
197.80 29

D.M. = 20.45 Varianza:

V( x ) =

( X
i =1

X ) ni
2

n
18710.97 29

V ( x) =

V(x) = 645.21 Desviacin Standar: Sx = Sx =

V ( x)

645.21

Sx = 25.4 Coeficiente de Variacin:

C.V .( x ) =
C.V . ( x ) =

Sx * 100% X
645.21 * 100% 143.16

C.V.(x) = 17.74 % C. MEDIDAS ASIMETRA.

Coeficiente de Asimetra:

C. A.( X ) =
C. A. ( X ) =

( X
I =1

X ) ni
3

- 162672.43 29

C.A. (x) = -5609.39 D. MEDIDAS DE APUNTAMIENTO. Coeficiente de Kurtosis S:

K=

( X
i =1

X ) ni
4

Sx

K=

36443979.39 29 * 25.4 4

K = 3.02 8. GRAFICAS. En las siguientes pginas se encuentran: las graficas de: Histograma de Frecuencias Polgono de Frecuencia Histograma de Frecuencias Acumulativas 4.3. CLCULOS ESTADSTICOS DEL CAUDAL MEDIO ANUAL -LA ESTACIN HIDROMETEOROLOGICA DE RECRETA. Media Anual (m3/seg) 1.51 1.81 1.39 1.24

Ao 1969-70 1970-71 1971-72 1972-73 1973-74

1974-75 1975-76 1976-77 1977-78 1978-79 1979-80 1980-81 1981-82 1982-83 1983-84 1984-85 1985-86 1986-87 1987-88 1988-89 1989-90 1990-91 1991-92 1992-93 1993-94 1994-95

1.35 1.50 1.76 1.64 1.97 1.68 1.92 1.53 1.76 1.97 1.34 1.30 2.09 2.02 1.80 1.67 2.43 1.71 1.80 1.39 1.78

1995-96 1996-97 1997-98 1998-99

2.06 1.43 1.97 2.01

DISTRIBUCIN DE FRECUENCIAS 1. OBTENCIN DE LOS LIMITES Lmite inferior Lmite superior = 1.24 = 2.43

2. CALCULO DE RANGO DE VARIACIN R = Ls Li R = 2.43 1.24 R = 1.19 3. CALCULO DEL NUMERO DE INTERVALOS DE CLASE Regla de Sturges: m = 1 + 3.3 log(n) Donde: n = 29 m = 5.4785 6 4. OBTENCIN DEL TAMAO DE LOS INTERVALOS DE CLASE
C= C= R m 1 1.19 6 1

C = 0.24 5. DISTRIBUCIN DEL INCREMENTO R = m x C

Donde: R = rango terico R = 1.30 = R R = 0.11 6. CUADRO DE DISTRIBUCIN DE FRECUENCIAS [Yi-1' - Yi>
1.18 - 1.42

Xi 1.30 1.54 1.78 2.02 2.25 2.52

ni 6 5 9 8 0 1 29

Ni 6 11 20 28 28 29

hi 0.21 0.17 0.31 0.28 0.00 0.03 1.00

Hi 0.21 0.38 0.69 0.97 0.97 1.00

hi% 20.69 17.24 31.03 27.59 0.00 3.45 100

Hi % 20.69 37.93 68.97 96.55 96.55 100.00

1.42 - 1.66

1.66 - 1.90

1.90 - 2.14

2.14 - 2.37

2.37 - 2.67

Func. Densidad fi = ni/(N x C) 0.435 0.724 1.159 0.580 1.014 0.290

FuncinAcumulada C x fi 0.103 0.172 0.276 0.138 0.241 0.069 C*fi

acumulada

0.103 0.276 0.552 0.690 0.931 1.000

7. MEDIDAS DESCRIPTIVAS CUADRO DE CLCULOS Xi x ni 7.81 7.70 16.00 16.13 0.00 2.52
X i X
X i X ni

Xi

ni

(X

X ) ( X i X ) * ni
2

(X

X ) * ni
3

(X

X ) * ni
4

1.30 1.54 1.78 2.02 2.25 2.52

6 5 9 8 0 1

0.43 0.19 0.05 0.29 0.52 0.79 2.27

2.57 0.95 0.43 2.29 0.00 0.79 7.03

0.18 0.04 0.00 0.08 0.27 0.63 5.14

1.10 0.18 0.02 0.66 0.00 0.63 2.58

-0.47 -0.03 0.00 0.19 0.00 0.49 0.18

0.20 0.01 0.00 0.05 0.00 0.39 0.65

= 50.16

A. MEDIDAS DE TENDENCIA CENTRAL Media Aritmtica:

X =
X =

Xini
i =1

n
50.16 29

X =1.73 m3/seg

La Mediana:

M e =Yi 1

n N i 1 +C i 2 ni

Me

29 11 2 =1.66 + 0.24 9

Me = 7.47 m 3/seg Moda:

i M o = Y 'i 1 +C i + 1 2

9 8 M o = 1.66 + 0.24 (9 8) + (9 5

Mo = 1.71 m3/seg B. MEDIDAS DE DISPERSIN. Desviacin Media:

D.M . =

X
I =1

n
2.27 29

D.M . =

D.M. = 0.24 Varianza:

V( x ) =

( X
i =1

X ) ni
2

n
2.58 29

V ( x) =

V(x) = 0.09 Desviacin Standar: Sx =

V ( x)

Sx =

0.09

Sx = 0.30 Coeficiente de Variacin:

C.V .( x ) =
C.V .( x ) =

Sx * 100% X
0.09 * 100% 1.73

C.V.(x) = 17.24 % C. MEDIDAS ASIMETRA.

Coeficiente de Asimetra:

C. A.( X ) =

( X
I =1

X ) ni
3

n
0.18 29

C. A. ( X ) =

C.A. (x) = 0.01

D.

MEDIDAS DE APUNTAMIENTO. Coeficiente de Kurtosis S:

K=

( X
i =1

X ) ni
4

Sx
52.83 29

K =

K = 2.84

8.

GRAFICAS. En las siguientes pginas se encuentran: las graficas de: Histograma de Frecuencias

Polgono de Frecuencia Histograma de Frecuencias Acumulativas Se ha calculado en cada una de las Tablas de Distribucin de Frecuencias la media y Varianza muestral, se ha visto en la metodologa que se puede considerar como parmetros estadsticos y Poblacionales. En cada Distribucin de probabilidad se ha determinado los parmetros mediante Momentos, en cada una de ellas se indica los resultados. El Caudal Medio entre los aos 1953 a 1982 en los siguientes ros es: Rio Pachacoto Olleros Recreta Caudal Medio (M3/S) 7.40 1.70 143.40 1.10 0.08 716.03 Varianza

IV.

PRUEBA DE BONDAD. PRUEBA DE BONDAD DE AJUSTE CHI CUADRADA DISTRIBUCION PROBABILISTICA NORMAL CAUDALES MAXIMAS ANUALES PACHACOTO

Media = 7.4 Desv. Stan =1.05 n= 29 # parmetros: 2 m = 1.33Ln(n) + 1 m = 5.5 m 1 2 P(%) Z 16.7 -0.9674 33.3 -0.4307 Xajust 6.3852 6.9482 Ni NPi Xc2 5 4.8 0.006 6 4.8 0.282

3 4 5 6

50 66.7 83.3 100

0.0000 0.4307 0.9674 3.7195

7.4000 7.8518 8.4148 11.3017

5 2 6 5 29

4.8 4.8 4.8 4.8

0.006 1.661 0.282 0.006 2.241

Xc2 =

2.24

Chi cuadrado tabular Grados de libertad v=k-h-1 v = 6-1-2 v=3 = 0.05 de tabla para v = 3 y = 0.05 Xt2 = 7.81 Xc2 <Xt2 Los datos se ajustan a la distribucin normal con un nivel de significacin del 5% o 95% de probabilidad.

PRUEBA DE BONDAD DE AJUSTE CHI CUADRADA DISTRIBUCION PROBABILISTICA LOG NORMAL CAUDALES MAXIMAS ANUALES PACHACOTO Media de Ln = Des.esr Ln = n= # parmetros: m = 1.33Ln(n) + 1 2 0.1 29 2

m = 5.56 m 1 2 3 4 5 6 P(%) 16.7 33.3 50 66.7 83.3 100 Z -0.9674 -0.4307 0.0000 0.4307 0.9674 3.7195 Xajust 1.8546 1.9297 1.9900 2.0503 2.1254 2.5107 Ni 5 5 5 3 6 5 NPi 4.8 4.8 4.8 4.8 4.8 4.8 Xc2 0.006 0.006 0.006 0.695 0.282 0.006

29

1.00

Xc2 =

1.00

Chi cuadrado tabular Grados de libertad v=k-h-1 v = 6-1-2 v=3 = 0.05 de tabla para v = 3 y = 0.05 Xt2 = 7.81 Xc2 <Xt2 Los datos se ajustan a la distribucin Log normal con un nivel de significacin del 5% o 95% de probabilidad.

PRUEBA DE BONDAD DE AJUSTE CHI CUADRADA DISTRIBUCION PROBABILISTICA GUMBEL CAUDALES MAXIMAS ANUALES PACHACOTO Media = 7.4 Desv. Stan = 1.05 # parmetros: 2 n =29 m = 1.33Ln(n) + 1 m = 5.56 Calculo de Xajuste Xajus = w/ + = 1.28255/x = X - 0.45005x w = (X ) Por lo tanto Xajus = w/ + M 1 P(%) w Xajus 16.7 -0.5832 6.4509 Ni NPi Xc2 6 4.8 0.282 = 1.2 = 6.9

2 3 4 5 6

33.3 50 66.7 83.3 100

-0.0940 6.8510 0.3665 7.2277 0.9027 7.6662 1.7020 8.3200 9.2103 14.4610

3 6 2 6 6 29

4.8 4.8 4.8 4.8 4.8

0.695 0.282 1.661 0.282 0.282 3.483

Xc2 =3.5 Chi cuadrado tabular Grados de libertad v=k-h-1 v = 6-1-2 v=3 = 0.05 de tabla para v = 3 y = 0.05 Xt2 = 7.81 Xc2 <Xt2 Los datos se ajustan a la distribucin Gumbel con un nivel de significacin del 5% o 95% de probabilidad.

PRUEBA DE BONDAD DE AJUSTE CHI CUADRADA DISTRIBUCION PROBABILISTICA EXPONENCIAL CAUDALES MAXIMAS ANUALES PACHACOTO Media = 7.4 Desv. Stan = 1.05 # parametros 2 n= 29 m = 1.33Ln(n) + 1 m= 5.5 Calculo de Lambda : 1/X Lambda = m 1 2 3 4 5 6

0.14 P(%) 1-p Xajus Ni NPi Xc2 16.7 0.8 1.3492 0 4.8 4.833 33.3 0.7 3.0004 0 4.8 4.833 50 0.5 5.1293 0 4.8 4.833 66.7 0.3 8.1297 19 4.8 41.52 83.3 0.2 13.2590 10 4.8 5.523 100 0.0001 68.1565 0 4.8 4.833

29 Xc2 =66.4 Chi cuadrado tabular Grados de libertad v=k-h-1 v = 6-1-2 v=3 = 0.05 de tabla para v =3 y = 0.05 Xt2 = 7.81 Xc2 <Xt2 Los datos no se ajustan a la distribucin Exponencial

66.38

PRUEBA DE BONDAD DE AJUSTE CHI CUADRADA DISTRIBUCION PROBABILISTICA NORMAL CAUDALES MAXIMAS ANUALES RECRETA Media =1.7 Desv. Stan =0.3 n=29 m = 1.33Ln(n) + 1 m = 5.5 m 1 2 3 4 5 6

6 P(%) Z Xajust 16.7 -0.9674 1.4194 33.3 -0.4307 1.5751 50 0.0000 1.7000 66.7 0.4307 1.8249 83.3 0.9674 1.9806 100 3.7195 2.7786 Ni 6 4 3 7 4 5 29 NPi 4.8 4.8 4.8 4.8 4.8 4.8 Xc2 0.2816 0.1437 0.6954 0.9713 0.1437 0.0057 2.2414

Xc2 =2.24

Grados de libertad v=k-h-1 v = 6-1-2 v=3

 = 0.05 de tabla para v = 3 y = 0.05 Xt2 = 7.81 Los datos se ajustan a la distribucin normal con un nivel de significacin del 5% o 90% de probabilidad.

PRUEBA DE BONDAD DE AJUSTE CHI CUADRADA DISTRIBUCION PROBABILISTICA LOG NORMAL CAUDALES MAXIMAS ANUALES QUEROCOCHA Media de Ln = 0.5 Des.esr Ln = 0.2 n= 29 # parametros 2 m = 1.33Ln(n) + 1 m= 5.5

m 1 2 3 4 5 6

P(%) 16.7 33.3 50 66.7 83.3 100

Z -0.9674 -0.4307 0.0000 0.4307 0.9674 3.7195

Xajust 0.3655 0.4568 0.5300 0.6032 0.6945 1.1623

Ni 7 3 3 7 4 5 29

NPi 4.8 4.8 4.8 4.8 4.8 4.8

Xc2 0.9713 0.6954 0.6954 0.9713 0.1437 0.0057 3.4828

Xc2 =3.5 Chi cuadrado tabular Grados de libertad v=k-h-1

v = 6-1-2 v=3 = 0.05 de tabla para v = 3 y = 0.05 Xt2 = 7.81 Xc2 <Xt2 Los datos se ajustan a la distribucin Log normal con un nivel de significacin del 5% o 95% de probabilidad.

PRUEBA DE BONDAD DE AJUSTE CHI CUADRADA DISTRIBUCION PROBABILISTICA GUMBEL CAUDALES MAXIMAS ANUALES QUEROCOCHA Media = 1.7 Desv. Stan = 0.3 # parametros 2 n= 29 m = 1.33Ln(n) + 1 m= 5.5 Calculo de Xajuste Xajus = w/ + = 1.28255/x = X - 0.45005x w = (X ) Por lo tanto Xajus = w/ + m 1 2 3 4 5 6 P(%) w 16.7 -0.5832 33.3 -0.0940 50 0.3665 66.7 0.9027 83.3 1.7020 100 9.2103 Xajus 1.4376 1.5482 1.6524 1.7736 1.9543 3.6520 Ni 7 3 1 5 5 8 29 NPi 4.8 4.8 4.8 4.8 4.8 4.8 Xc2 0.9713 0.6954 3.0402 0.0057 0.0057 2.0747 6.7931 = 4.4226 = 1.5695

Xc2 =6.8

Chi cuadrado tabular Grados de libertad v=k-h-1 v = 6-1-2 v=3 = 0.05 de tabla para v = 3 y = 0.05 Xt2 = 7.81 Xc2 <Xt2 Los datos se ajustan a la distribucin Gumbel con un nivel de significacin del 5% o 95% de probabilidad. PRUEBA DE BONDAD DE AJUSTE CHI CUADRADA DISTRIBUCION PROBABILISTICA EXPONENCIAL CAUDALES MAXIMAS ANUALES QUEROCOCHA Media = 1.7 Desv. Stan = 0.3 # parametros 2 n= 29 m = 1.33Ln(n) + 1 m= 5.5 Calculo de Lambda : 1/X Lambda = 0.59

X m P(%) 1-p Xajus Ni Npi

c 2

1 2

16.7 33.3

0.8 0.7

0.3099 0.6893

0 0

4.8 4.8

4 . 8 3 3 3 4 . 8 3 3

50

0.5

1.1784

4.8

66.7

0.3

1.8676

20

4.8

83.3

0.2

3.0460

4.8

100 0.0001 15.658

4.8

29 Xc2 =70.5 Chi cuadrado tabular Grados de libertad v=k-h-1 v = 6-1-2 v=3 = 0.05 de tabla para v = 3 y = 0.05 Xt2 = 7.81 Xc2 <Xt2

3 4 . 8 3 3 3 4 7 . 5 9 2 3 . 5 9 2 4 . 8 3 3 3 7 0 . 5 1 7

Los datos no se ajustan a la distribucin Exponencial

PRUEBA DE BONDAD DE AJUSTE CHI CUADRADA DISTRIBUCION PROBABILISTICA NORMAL CAUDALES MAXIMAS ANUALES SANTA Medi a= Des v. Stan = n= m = 1.33Ln(n) +1 5.4 m= 8 6 143

27.2 29

M 1 2 3 4 5 6

P(%) Z Xajust 16.667 -0.9674 117.06 33.333 -0.4307 131.67 50 0.0000 143.40 66.667 0.4307 155.13 83.333 0.9674 169.74 99.99 3.7195 244.68

Ni 5 5 3 5 8 3 29

NPi 4.8 4.8 4.8 4.8 4.8 4.8

Xc2 0.0057 0.0057 0.6954 0.0057 2.0747 0.6954 3.4828

3.4 Xc = 8
2

Grados de libertad v=kh-1 v= 6-12 v=3 = 0.05 de tabla para v = 3 y

V.

DISCUSIN E INTERPRETACIN V.1. DISCUSIN E INTERPRETACIN DEL CAUDAL MEDIO ANUAL DEL RIO QUILLCAY. CLCULO DE MEDIDAS DESCRIPTIVAS A. MEDIDAS DE TENDENCIA CENTRAL Media Aritmtica:
X = 7.46 m3/Seg

La Mediana: Me = 7.47 m 3/Seg Moda: Mo = 8.33 m3/Seg B. MEDIDAS DE DISPERSIN. Desviacin Media: D.M. = 0.81 Varianza: V(x) = 0.91 Desviacin Standar: Sx = 0.95394 Coeficiente de Variacin: C.V.(x) = 12.79 C. MEDIDAS ASIMETRA.
Coeficiente de Asimetra:

C.A. (x) =

0.03

D. MEDIDAS DE APUNTAMIENTO.
Coeficiente de Kurtosis S: K = 2.19

E. GRAFICAS. Histograma de Frecuencias Polgono de Frecuencia Histograma de Frecuencias Acumulativas V.2. DISCUSIN E INTERPRETACIN DEL CAUDAL MEDIO ANUAL DE LA CUENCA RO SANTA. V.3. DISCUSIN E INTERPRETACIN DEL CAUDAL MEDIO ANUAL DEL RO QUEROCOCHA.

VI.

CONCLUSIONES.

VI.1.

En el Tratamiento Estadstico de datos Hidrolgicos, los parmetros

Poblacionales son los mismos que los muestrales. VI.2. La cuenca en estudio tiene un rea total de 239.60 Km, por lo cual

segn la clasificacin de cuencas, concluimos que se trata de una subcuenca. VI.3. La Cuenca de Santa Cruz tiene una forma alarga, por lo cual alcanza

un caudal mximo en mayor tiempo. VI.4. La Cuenca de Santa Cruz se encuentra a una altitud media de

2298.44 m.s.n.m. VI.5. Podemos decir que los datos son confiables ya que al calcularlos por

mtodos diferentes llegamos a resultados aproximadamente iguales. VI.6. La cuenca Santa Cruz es de tercer orden cuya forma es alargada e

irregular. VI.7. Los Parmetros Fisiogrficos de la Cuenca Santa cruz, obtenidos en

este trabajo nos servirn para posteriores investigaciones y aplicaciones segn el avance del curso.

VII. RECOMENDACIONES.

VII.1.

La disposicin de un centro de Cmputo y la implementacin de

tecnologa de punta. VII.2. Que la UNASAM y en especial la Facultad de Ingeniera Civil brinde

Capacitacin y Charlas sobre Sotwares modernos de la Carrera, para cada Curso de especialidad que llevamos durante el Pregrado, como por ejemplo el AutoCAD Land y sobre temas ligados con la Ingeniera Civil. VII.3. Que como alumnos nos preocupemos y esforcemos en aprender y

utilizar Sotwares modernos de la Carrera, an no se programe en la Currcula de Estudios. VII.4. La adquisicin por parte de la facultad de la Carta Nacionales ya que

en este momento la facultad no cuenta con estos. La adquisicin de estas cartas beneficiaria a los alumnos de la FIC, as como para toda la Universidad. VII.5. Que se firmen convenios con Instituciones pblicas y privadas que

tengan relacin en los cursos que se llevan, por ejemplo en la rama de Hidrologa con instituciones que hagan estudios de las cuencas de nuestro pas. para aportar en la formacin prctica y profesional de los alumnos.

VIII. BIBLIOGRAFA.

VIII.1. REYES CARRASCO, LUIS V.

HIDROLOGIA BSICA,

Editorial del CONCYTEC, Lima-Per, 1992.

VIII.2. VILLON BEJAR, MXIMO. HIDROLOGIA, Publicaciones del Instituto Tecnolgico de Costa Rica, 2 Edicin, 2002.

VIII.3. Microsoft Encarta Biblioteca de Consulta 2003. 1993-2002 Microsoft Corporation. Reservados todos los derechos.